1955年，被譽(yù)為“人工智能之父”的約翰·麥卡錫和明斯基、羅徹斯特、香農(nóng)等共同給洛克菲勒基金會(huì)提交了一份項(xiàng)目建議書(shū)，希望能獲得第二年于達(dá)特茅斯學(xué)院舉辦“人工智能夏季研討會(huì)”的資助。當(dāng)時(shí)，他們認(rèn)為由10位科學(xué)家組成的工作小組在為期兩個(gè)月的時(shí)間里就可以在人工智能領(lǐng)域取得巨大的進(jìn)步。事實(shí)證明，他們嚴(yán)重低估了人工智能的復(fù)雜程度。不過(guò)，達(dá)特茅斯會(huì)議正式確立了人工智能(AI)這一術(shù)語(yǔ)，也因此被認(rèn)為是人工智能誕生的標(biāo)志。

經(jīng)過(guò)60年的發(fā)展，人工智能歷經(jīng)三次浪潮，現(xiàn)在正處于第三個(gè)“春天”。“春天”的風(fēng)正往哪兒吹?在4月22日由中國(guó)人工智能學(xué)會(huì)發(fā)起，聯(lián)合中國(guó)互聯(lián)網(wǎng)協(xié)會(huì)、中國(guó)計(jì)算機(jī)學(xué)會(huì)等20多家國(guó)家一級(jí)學(xué)會(huì)及協(xié)會(huì)舉辦的2016全球人工智能技術(shù)大會(huì)(GAITC)暨人工智能60年紀(jì)念活動(dòng)啟動(dòng)儀式上，來(lái)自學(xué)術(shù)界和產(chǎn)業(yè)界的全球人工智能領(lǐng)域頂級(jí)專家們給出了答案。

機(jī)器感知能力正在超越人類

1956年至今，人工智能的發(fā)展可謂起起落落，一方面被視為冉冉升起的新星，另一方面也飽受批評(píng)，并遭遇過(guò)兩次嚴(yán)重挫折。對(duì)于過(guò)去的60年，微軟亞洲研究院常務(wù)副院長(zhǎng)芮勇的評(píng)價(jià)是，“不僅僅是一個(gè)輪回，還是一次升華?，F(xiàn)在正處于第三個(gè)春天。”

三星電子中國(guó)研究院院長(zhǎng)張代君則認(rèn)為：“目前人工智能的發(fā)展還處于比較初級(jí)的階段。當(dāng)下是人工智能的第三次高潮，而且還會(huì)有第四次浪潮的到來(lái)。”

自2006年以來(lái)，人工智能發(fā)展加速。究其原因，百度深度學(xué)習(xí)研究院“杰出科學(xué)家”徐偉認(rèn)為，大計(jì)算能力和深度學(xué)習(xí)是主要推動(dòng)力。一方面，經(jīng)過(guò)幾十年的積累，為可觀的計(jì)算能力打下基礎(chǔ)，另一方面深度學(xué)習(xí)的發(fā)展提供了靈活、具有快速建模能力的學(xué)習(xí)系統(tǒng)。這兩者的結(jié)合，能夠?qū)⒋髷?shù)據(jù)背后蘊(yùn)藏的各種復(fù)雜關(guān)系快速提取出來(lái)。

徐偉表示，隨著深度學(xué)習(xí)逐步在各種人工智能問(wèn)題里深入地使用，在一些特定領(lǐng)域，機(jī)器的感知能力正在超越人類的水平。例如，在中文語(yǔ)音識(shí)別方面，百度的錯(cuò)誤率是5.7%，而人類的錯(cuò)誤率則是9.7%。另外，在人臉識(shí)別領(lǐng)域，人類的錯(cuò)誤率是0.8%，而百度則是0.23%。

除百度外，谷歌、微軟、IBM、阿里巴巴、科大訊飛等也是人工智能領(lǐng)域的佼佼者。美國(guó)東部時(shí)間2015年12月10日，微軟亞洲研究院視覺(jué)計(jì)算組在2015ImageNet計(jì)算機(jī)識(shí)別挑戰(zhàn)賽中憑借深層神經(jīng)網(wǎng)絡(luò)技術(shù)的突破，獲得圖像分類、圖像定位以及圖像檢測(cè)全部三個(gè)主要項(xiàng)目的冠軍。在此次挑戰(zhàn)賽中，微軟亞洲研究院的研究團(tuán)隊(duì)使用了一種深度高達(dá)152層的神經(jīng)網(wǎng)絡(luò)，比此前成功使用的神經(jīng)網(wǎng)絡(luò)層數(shù)多5倍以上，將錯(cuò)誤率降低到了3.5%。而在此前同樣的實(shí)驗(yàn)中，人眼辨識(shí)的錯(cuò)誤率為5.1%。

在芮勇看來(lái)，人工智能的屬性包括聚合的智能、自適應(yīng)的智能、隱形的智能，而微軟在ImageNet挑戰(zhàn)賽中的成功，證明了“深度學(xué)習(xí)徹底改變了圖像識(shí)別領(lǐng)域”。他認(rèn)為：“人工智能的下一個(gè)60年將是人類機(jī)器，即把兩者更強(qiáng)的地方結(jié)合起來(lái)，形成增強(qiáng)智能。”

還缺少什么

谷歌人工智能程序AlphaGo以4：1的戰(zhàn)績(jī)擊敗韓國(guó)圍棋職業(yè)九段選手李世石，被認(rèn)為是人工智能發(fā)展最新的里程碑。中國(guó)人工智能學(xué)會(huì)理事長(zhǎng)、中國(guó)工程院院士李德毅則認(rèn)為，從此次比賽中可以發(fā)現(xiàn)AlphaGo的局限性：AlphaGo僅僅是個(gè)圍棋腦，還不是一個(gè)圍棋手，更不是一個(gè)圍棋機(jī)器人，既沒(méi)有眼和手，也沒(méi)有感知和行為能力。此外，它也沒(méi)有情緒和情感，不能分析對(duì)手的心理狀態(tài)，并在現(xiàn)場(chǎng)和對(duì)手展開(kāi)心理戰(zhàn)，缺失交互認(rèn)知能力。

在李德毅看來(lái)，未來(lái)機(jī)器人給人帶來(lái)的影響將遠(yuǎn)遠(yuǎn)超過(guò)計(jì)算機(jī)和互聯(lián)網(wǎng)過(guò)去幾十年對(duì)世界的改變。而理想中的機(jī)器人應(yīng)該是“有智慧、有個(gè)性、有行為能力，甚至還有情感的。”

徐偉也認(rèn)為，深度學(xué)習(xí)確實(shí)給人工智能帶來(lái)了快速的進(jìn)展，但未來(lái)還有很長(zhǎng)的路要走。“人類智能的核心是自我學(xué)習(xí)和創(chuàng)造的能力。我們看到現(xiàn)在有很多具體的智能系統(tǒng)，比如AlphaGo，還缺乏一種自我學(xué)習(xí)和創(chuàng)造的能力。”

另外，一個(gè)小孩要認(rèn)識(shí)一種物體只需幾幅圖就足夠了，但計(jì)算機(jī)則需要幾百幅圖。“這是因?yàn)槿斯ぶ悄苓€很難從少量標(biāo)注數(shù)據(jù)中學(xué)習(xí)。”徐偉說(shuō)。

截至目前，谷歌無(wú)人駕駛汽車的行駛里程已超過(guò)200萬(wàn)公里，即使這樣，實(shí)現(xiàn)商品化仍然很難。徐偉認(rèn)為，核心問(wèn)題是人工智能系統(tǒng)缺乏常識(shí)。“人看到一種路況就知道該怎么做，但機(jī)器缺乏常識(shí)性的理解，只能通過(guò)人一條一條把每種路況導(dǎo)入系統(tǒng)中去。要想解決這樣的問(wèn)題，最有效的方式就是放到真實(shí)的環(huán)境里去學(xué)習(xí)。”他透露，最近Facebook和微軟也提出了類似的想法，即創(chuàng)造一個(gè)虛擬的環(huán)境，讓人工智能體在這一環(huán)境中自己去探索，在與環(huán)境的交互中建立常識(shí)性知識(shí)。

“要做像人這樣強(qiáng)大的人工智能，可能需要從最基礎(chǔ)的東西開(kāi)始。”徐偉說(shuō)，“人工智能需要像幼兒一樣，在一個(gè)環(huán)境中自主學(xué)習(xí)感知，擁有行動(dòng)的能力，同時(shí)將語(yǔ)言能力作為核心嵌入到系統(tǒng)中。”

下一步的突破

從上世紀(jì)60年代至今，對(duì)于人工智能的研究主要從兩個(gè)層面進(jìn)行了探索，首先是邏輯層面，即通過(guò)邏輯和搜索來(lái)完善人工智能，在發(fā)現(xiàn)瓶頸后，又開(kāi)始了機(jī)器學(xué)習(xí)的研究。

香港科技大學(xué)冠名講座教授、國(guó)際人工智能學(xué)會(huì)會(huì)士楊強(qiáng)認(rèn)為，人工智能的下一步突破將是通用性的人工智能，即將基于搜索和邏輯的人工智能方法與機(jī)器學(xué)習(xí)結(jié)合起來(lái)，形成一個(gè)完整的智能機(jī)器。“舉個(gè)例子，就是一只雞可以吃不同的食物，但是下的蛋都是對(duì)人類有用的。”

在楊強(qiáng)看來(lái)，人工智能的成功需要三大條件，一是高質(zhì)量的數(shù)據(jù)，二是能夠開(kāi)發(fā)出先進(jìn)算法的人才，三是強(qiáng)大的計(jì)算能力。

地平線機(jī)器人聯(lián)合創(chuàng)始人、地平線機(jī)器人技術(shù)軟件副總裁楊銘認(rèn)為，深度學(xué)習(xí)近年來(lái)之所以備受關(guān)注，是因?yàn)橐话愣孕阅艿臏?zhǔn)確度是隨著數(shù)據(jù)的增長(zhǎng)而增加的，但其他機(jī)器學(xué)習(xí)方法隨著數(shù)據(jù)的增加，性能在某一個(gè)點(diǎn)就不再提高了，而對(duì)于深度學(xué)習(xí)還沒(méi)有發(fā)現(xiàn)這一現(xiàn)象。

他表示，深度學(xué)習(xí)的未來(lái)趨勢(shì)包括四個(gè)方向：學(xué)習(xí)如何記憶及關(guān)注與取舍，把注意力集中到需要關(guān)心的細(xì)節(jié)上，增強(qiáng)學(xué)習(xí)以及整體任務(wù)的序列化。

人工智能要想發(fā)展，除了算法上的改進(jìn)，還要解決硬件面臨的挑戰(zhàn)。寒武紀(jì)科技創(chuàng)始人及首席執(zhí)行官陳天石表示，現(xiàn)在已處于從信息時(shí)代過(guò)渡到智能時(shí)代的開(kāi)端。在智能時(shí)代，處理器的負(fù)載不再是以前的傳統(tǒng)計(jì)算，而是深度學(xué)習(xí)。通用處理器將由此面臨性能和功耗的問(wèn)題。智能時(shí)代需要深度學(xué)習(xí)芯片作支撐。